高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明：所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。     

非线性目标跟踪滤波算法的比较研究

针对不同的非线性目标跟踪滤波算法在性能上存在较大差异的问题,展开了5种非线性滤波算法的比较分析研究,通过分析不同滤波框架下非线性目标跟踪性能,阐述了算法理论中的关键异同点.通过仿真实验和跑车试验,比较了基于Kalman框架下非线性滤波算法和基于Monte Carlo贝叶斯估计的粒子滤波在估计精度、计算量等方面的优劣性.实验结果表明,在复杂的非线性环境中,粒子滤波相对于其他4种滤波器滤波精度更高,但计算复杂耗时长,该结果可为非线性目标跟踪滤波算法的选取提供有益的参考.     

基于强跟踪扩展Kalman滤波的X射线脉冲星导航定轨精度研究

为提高X射线脉冲星导航定轨精度,依据脉冲星导航原理,建立了X射线脉冲星自主导航系统的状态方程和观测方程,提出用强跟踪扩展Kalman滤波（Strong Tracking Extended Kalman Filter,STEKF）替代扩展Kalman滤波,并对3颗脉冲星卫星运行的位置和速度估计进行了仿真实验。仿真结果表明：STEKF具有使滤波器能够自适应地校正估计偏差并迅速跟踪状态变化的能力,有效地提高了卫星运动状态的估计精度和数值稳定性。     

基于UKPF的雷达与红外传感器融合跟踪算法

针对异类传感器融合跟踪中状态估计与量测的非线性问题,分析了粒子滤波器在解决非线性和非高斯问题的优势,提出了一种基于unscented Kalman粒子滤波器(UKPF)的雷达与红外传感器融合跟踪算法,给出了算法的详细步骤.然后将该算法用于三维空间的目标跟踪上,仿真结果表明该算法比现有算法具有更高的跟踪精度.     

七阶球面单形-径向容积卡尔曼滤波方法

针对传统低阶容积卡尔曼滤波非线性滤波精度较低的问题,提出一种基于七阶球面单形-径向容积准则的高阶容积卡尔曼滤波算法。将非线性函数的高斯加权积分分解为球面积分和径向积分,采用基于正则单形变换群的七阶球面单形准则计算球面积分,使用矩匹配法求积分准则计算径向积分,推导出七阶球面单形-径向容积求积分准则。将准则代入一般非线性滤波框架,得到七阶球面单形-径向容积卡尔曼滤波算法。仿真表明,算法可获得高于传统三阶、五阶CKF的估计精度。具有较好的前景与应用价值。     

一种基于BLUE的弹道目标跟踪滤波器

弹道目标跟踪问题中动态方程与观测方程皆为非线性,影响跟踪精度。使用最优线性无偏估计方法可以有效地解决观测的非线性问题,而蒙特卡罗滤波方法适用于目标状态的非线性估计。将快速高斯粒子滤波与最优线性估计方法作了有机结合,通过对典型的弹道目标跟踪模型进行仿真,发现新算法在精度与实时性上优于粒子滤波。     

基于简化CKF的IMM算法北大核心

IMM算法中采用的运动模型多为线性,针对这一情况,首先对容积卡尔曼滤波(cubature Kalman filter,CKF)算法进行了简化,通过理论推导证明,简化CKF算法的时间更新结果与KF算法的一步预测结果一致。然后对简化算法进行了计算复杂度分析,分析结果表明简化算法的复杂度要远低于CKF。进而将简化的CKF算法与IMM算法相结合,提出了一种基于简化CKF的IMM算法,最后通过机动目标跟踪实验对新算法进行了仿真,实验结果表明,新算法在没有降低跟踪精度的前提下,大幅缩短了算法的运算时间,提高了跟踪的实时性。     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

基于鲁棒高阶容积滤波的无人机相对导航状态估计方法

由于无人机相对导航系统具有非线性强、噪声非高斯的特点,传统的基于卡尔曼滤波算法设计的相对导航滤波器存在估计失准甚至发散的问题。考虑到高阶容积卡尔曼滤波和最大熵滤波算法分别在解决非线性问题和非高斯问题时的优势,利用最大熵滤波的量测更新方法对高阶容积卡尔曼滤波的测量更新方程进行了改进,将传统的量测更新问题转换成了线性衰退的求解问题,避免了对测量噪声进行高斯假设,同时解决了系统非线性和量测噪声非高斯的问题。进行了相应的数学仿真,仿真结果表明:所提算法的估计精度超过了高阶容积卡尔曼滤波和最大熵滤波算法的,验证了算法的有效性。     

Robust TDOA/FDOA estimation from emitter signals for hybrid localization using UAVs

This paper considers the time difference of arrival (TDOA) and frequency difference of arrival (FDOA)estimation problem for joint localization using unmanned aerial vehicles (UAVs),involving range migration (RM) and Doppler ambiguity within observation interval.A robust estimation method based on interpolation and resampling is proposed.Specifically,the interpolation artificially increases the pulse repetition frequency (PRF).After that,the resampling eliminates the coupling between range frequency and slow time.Finally,a coherent integration step based on inverse discrete Fourier transform (IDFT) is used to achieve parameter estimation and suppress the grating lobes caused by interpolation.The proposed method could be efficiently implemented by fast Fourier transform (FFF),inverse FFT (IFFF) and non-uniform FFT (NUFFT) without parameter searching procedures.Numerical experiments indicate that the proposed method has nearly optimal anti-noise performance but much lower computational complexity than the maximum likelihood estimator,which makes it more competitive in practical applications.     

双站测向与测时差组合定位精度分析

针对无源雷达测向与测时差组合定位问题,提出一种利用前者量测结果为后者构建假量测点和协方差的新方法,并采用凸组合法对测向与假量测结果进行融合,得出综合定位精度的分布。仿真结果表明,该方法能够有效地利用两种完全不同的量测数据,提高目标的定位精度,同时给出的GDOP理论值可以真实反映组合量测的性能,具有一定的应用价值。     

无源单站定位技术研究

无源定位技术已成为现代化战争中对抗"四大威胁"的关键技术。在研究目标来波方向(DOA)与多普勒频率的基础上,提出一种基于最小二乘估计的运动目标单站定位跟踪方法。经计算机仿真表明,该方法不仅能对运动目标进行定位,而且能对运动目标的速度、航迹等进行估计。     

基于最小最大决策的三站时差定位布阵优化

提出了一种基于最小最大决策的三站时差定位布阵优化方法,以提高系统对目标区域的整体定位精度。应用基于最小最大决策的最优化理论,建立布阵优化问题的数学模型。该模型以三站坐标为决策变量,以目标区域的最大水平定位误差最小为目标函数,然后运用基于最小最大决策的最优化算法,求解模型的最优解,并将此最优解作为三站时差定位系统的最优布阵。仿真结果与理论计算一致,验证了这种布阵优化结果的最优性。     

三星系统对地面机动目标无源定位的IMM算法

研究了三星测时差无源定位系统对地面机动辐射源定位与跟踪的滤波算法问题.将IMM滤波器应用到三星时差定位系统中,采用三模型组合的IMM滤波算法,首先通过时差测量参数计算出粗略的定位结果,接下来采用IMM滤波算法逐步估计出机动辐射源的速度和加速度,并修正初始的定位结果,提高定位精度.仿真结果表明,基于IMM滤波器的三星时差定位系统具有较快的收敛时间、较高的跟踪精度和适中的计算复杂度,能够对不同强度的机动目标进行定位与跟踪,很好地解决了三星时差定位系统对地面机动辐射源定位跟踪的算法问题.     

无源雷达菱形布站的定位精度分析

为了得到无源雷达菱形布站的最佳布站方案,分析了时差定位算法的基本原理,推导了定位精度的数学模型,考虑了影响定位精度的各种因素。通过计算机仿真实验对比了在不同主站位置、不同站间距离以及不同主站高度的情况下菱形布站的GDOP(geometric d ilution of precision)等值线分布,最终得出了定位精度与布站之间的联系,为无源雷达最优菱形布站提供了理论依据。     

外辐射源雷达系统中时延估计算法及仿真

时延估计的方法有经典的广义相关法、自适应法、循环平稳法、高阶累积量法、时频分析法等,重点分析了外辐射源雷达系统中用于时延估计的循环平稳法和相关法,并给出了循环平稳法和相关法用于时延估计的仿真,得出了仿真结果。仿真结果表明,对QPSK信号无法用循环平稳的方法来进行时差的获取,用相关法在极低信噪比条件下检测出目标信号,长时间的信号积累是必需的。     

TDOA被动定位方法及精度分析

本文提出了一种利用多站ＴＤＯＡ信息对辐射源定位的非线性方程组求解方法，该方法简洁准确，无需作迭代运算，计算量小。文中给出了该定位方法的精度分析，最后给出了在具体布站条件下的受控区域内的ＧＤＯＰ分布。     

基于距离差法目标定位的多站雷达优化布局

多站雷达的布局直接影响距离差法目标定位的精度。首先给出多站雷达系统距离差定位的误差协方差矩阵的表达式和计算方法,然后以误差椭球体积最小为布站优化的目标,讨论了多站平面布局对空间目标定位时的优化布站方法,并在平面优化布局的基础上,推出无约束情况下的最优布局。仿真结果与理论分析一致,该结论可以推广到无源定位系统。